广州医科大学附属第一医院国家呼吸医学中心和广州市基准医疗合作开发了一个基于40个cfDNA甲基化标志物和5个常见LDCT/CT影像学特征以及年龄因素的联合模型，用于肺结节的风险分层，并在两个前瞻性收集、回顾性分析的多中心队列中验证了其良好的性能。该模型采用双重阈值策略，可以有效减少90.4%良性结节患者的不必要侵入性手术和伤害，降低过度治疗和成本，同时为肺癌患者提供及时治疗建议，有助于提高LDCT/CT筛查后肺癌的整体诊断率和可及性。该研究成果于近日以A clinically effective model based on cell-free DNA methylation and low-dose CT for risk stratification of pulmonary nodules为题，在线发表于Cell Reports Medicine杂志。研究亮点：
1，开发了一个精简的甲基化标志物panel，用于非侵入性肺结节风险分层
2，该甲基化模型对肺结节的鉴别能力优于临床上应用的传统模型
3，结合五个常见的CT影像特征和年龄因素可显著提升甲基化模型的诊断性能
4，双阈值策略能准确进行肺结节风险分层，降低良性结节误切率肺癌仍然是当今全球癌症相关死亡的主要原因，2020年约有180万人死亡。早期发现和治疗是降低癌症死亡率的最有效方法。对于肺癌，原位腺癌（AIS）和微浸润腺癌（MIA）（即0期）有100%的10年生存率，I A期到I B期的5年生存率在92%到68%之间，而III期和IV期则下降到36%和10%。低剂量计算机断层扫描（LDCT）的出现已被证明改变了肺癌筛查的格局，并在高危人群中减少了约20%的肺癌死亡率。LDCT已被广泛用于肺癌筛查，每年有数百万的肺结节因高灵敏度的LDCT而被检测出来，但其中不到5%的肺结节是恶性的，这使得如何准确评估如此大量肺结节的恶性风险成为一个挑战。另一方面，筛查出肺结节的患者通常会感到焦虑，常常过度检查或组织活检，导致不必要的肺部损伤和财政浪费。为了减少侵入性诊断伤害和过度治疗，建议在侵入性方法之前推荐癌症风险估计。通常用于肺结节风险预测的临床模型（如Mayo Clinic、Brock、退伍军人事务部（VA）和Herder）基于肺癌风险因素，如年龄、吸烟史、癌症史以及结节直径、形态和位置等CT影像特征。然而，它们在不同人群、不同疾病阶段和种族中的准确性从60%到90%不等。在基于影像学和临床判断高度怀疑恶性的患者中，甚至高达30%-40%的良性结节。因此，肺癌风险预测方法的准确性仍需提高。cfDNA甲基化检测已被广泛接受为一种有前景的超灵敏和无创的早期癌症检测方法。该团队曾开发了基于100个特征的cfDNA甲基化模型（PulmoSeekTM），在准确区分肺结节良恶性方面比PET-CT和两个临床预测模型（Mayo Clinic和VA）表现出优越的性能【2】，该100个cfDNA甲基化标志物与CT影像标志物联合构建的PulmoSeekTM Plus模型进一步提升了PulmoSeekTM模型的性能【3】。为了进一步提高该模型的临床可及性和易于标准化，研究团队进一步优化了cfDNA甲基化标志物，同时简化了联合模型中的CT影像学特征因子，利用机器学习方法在前瞻性入组的多中心队列（NCT03181490, n=341）进行模型训练，最终构建了一个基于40个cfDNA甲基化标志物、5个易于获取的CT影像特征（结节直径、结节短径、结节大小、CTR、MAV）和年龄因素集成的联合模型（简称PSP1.1），并分别利用两个独立的、前瞻性的多中心队列（NCT03181490, n=279 和NCT03651986, n=343）验证性能（图1）。该模型用于肺结节良恶性风险评估，有望提高临床实践肺中风险预测模型的稳健性和可及性。![]()
图1 用于肺结节风险分层和管理的基于40个cfDNA甲基化标志物、5个易于获取的CT影像特征和年龄因素的联合模型（简称PSP1.1）开发过程示意图。
队列的人口统计学和临床特征：用于本研究模型开发和验证的两个前瞻性多中心队列分别是模型开发队列（中国10家医院的多中心队列，NCT03181490）和外部验证队列（“钟声计划”队列NCT03651986），分别纳入肺结节（直径为5-30毫米）患者620人和343人。两个队列的患者中位年龄分别为53.0 [18.0, 85.0]和54.0 [18.0, 84.0]，女性占比分别为44.8%和52.5%。从未吸烟者分别为71.6%和74.6%，小肺结节（直径≤20毫米）患者分别为70%和78.1%、非实质性结节（non-SNs）分别为51.8%和59.2%，没有肺癌家族史的患者分别为94.5%和93.3%。病理确诊的恶性结节在两个队列中分别占69.5%和67.1%，模拟了基于影像学临床上被判断为高度怀疑恶性结节的人群特征。主要的恶性结节类型为腺癌，分别占65.0%和61.2%，处于早期阶段（0-I期）的分别占93.5%和94.4%；良性结节主要由炎症，分别占12.9%和11.1%，结核病分别占3.1%和4.4%，错构瘤分别占3.5%和2.9%（见原文图1）。40个特征的cfDNA甲基化模型：本研究优化得到的40个甲基化标志物，在模型开发队列（NCT03181490）的训练集（n=341）中通过逻辑回归构建了一个肺结节风险预测的甲基化模型，并在该队列的内部验证集（n=279）中验证了其性能（图2A），其AUC为0.81（95%置信区间（CI）：0.76-0.86），优于西方临床上常用的Mayo Clinic模型（AUC为0.66（95% CI：0.59-0.72）（p=0.0004）和Brock模型（AUC为0.72（95% CI 0.65-0.78）（p=0.03）。利用“钟声计划”队列作为外部验证集（n=343），该甲基化模型的AUC也达到了0.81（95% CI：0.76-0.86），显著高于Mayo Clinic模型的估计值0.64（95% CI：0.58-0.71；p<0.0001）和Brock模型的0.70（95% CI：0.64-0.76；p=0.006）（图2B）。CT影像因子和临床特征筛选和联合模型：许多研究证明临床因素（如年龄、吸烟、癌症家族史）和放射学特征（如毛刺、分叶、棘状突起、血管汇聚等）与肺癌密切相关。然而，由于放射科医生的经验不同以及不同医院使用的CT设备和参数各异，放CT影像学特征在临床实践中并不统一或不容易获得。相反，年龄和一些客观的CT影像特征，如长径、短径、结节大小（定义为长径乘以短径的量）、基于结节密度的CTR值（反应结节类型，即实质性结节、部分实质性结节、磨玻璃结节）和结节平均衰减值（MAV），可以从常规CT检查中容易获得，很多研究表明它们与肺结节的恶性风险相关。因此，本研究将年龄因素和这5个CT影像特征与甲基化模型的风险评分整合，形成一个联合模型。与单独的甲基化模型相比，联合模型在内部验证集中的AUC显著提高到0.90（95% CI：0.86-0.94），在外部验证集中提高到0.89（95% CI：0.85-0.92）。AUC分别提高了0.09和0.08（内部验证集95% CI 0.05-0.12，p<0.0001；外部验证集95% CI 0.04-0.11，p<0.0001）（图2A-B）。决策曲线分析（DCA）也表明：联合模型在几乎所有阈值概率下都提供了比单独的甲基化模型和两个临床模型更大的净收益（图2C-D）。无论在内部验证集还是在外部验证集中，联合模型的灵敏度（sensitivity）和阴性预测值（NPV）都表现最优，其次是甲基化模型（表1）。![]()
图2 单独甲基化模型、联合模型、Mayo Clinic模型和Brock模型的AUC比较。A图和C图，内部验证集。B图和D图，外部验证集。A图和B图：AUC曲线。C图和D图：DCA曲线。
表1 单独甲基化模型、联合模型、Mayo Clinic模型和Brock模型的性能比较利用双阈值策略准确进行肺结节风险分层：肺结节风险评估并不是一个简单的二元分类。我们对联合模型设立了一种双阈值策略，用于肺结节的风险分层。具体来说，为了避免漏诊恶性结节，定义了一个较低的风险评分阈值（0.22），使模型具有较高的敏感性（98%）；同时，为了避免将良性结节错误地分类为“高风险”，定义了一个较高的风险评分阈值（0.94），使联合模型具有90%的特异性。这种双阈值策略可将肺结节分为低风险（风险评分<0.22）、中风险（风险评分0.22-0.94）和高风险（风险评分≥0.94）组。通过使用双阈值分层策略，49.7%的验证集患者被分类为高风险，即建议直接手术或进行侵入性活检；15.6%的患者被分类为低风险，即建议进行常规LDCT监测；34.7%的患者被分类为中风险，即建议密切LDCT监测（图3A）。低风险组作为排除策略，得到高敏感性98.1%（n=416/424）和高阴性预测值（NPV）91.8%（n=89/97）。高风险组作为纳入策略，得到高特异性90.4%（n=179/198）和高阳性预测值（PPV）93.9%（n=290/309）。这种决策策略可以减少90.4%（n=179/198）不必要的手术，即对于低风险和中风险的患者不建议立即进行手术（图3B）。本研究中，只有1.9%（n=8/424）的恶性结节被错误分类为低风险组，9.6%（n=19/198）的良性结节被错误分类为高风险组，这些结节可能落入标准监测程序或接受了侵入性手术治疗，但总体准确率仍然高于大多数仅基于CT影像学判断良恶性的准确率。图3 单利用双阈值策略准确进行肺结节风险分层（A）和减少不必要的侵入性手术（B）本研究将6个常见的肺癌风险因素与40个cfDNA甲基化标志物联合，显著提高了甲基化模型的性能，与Mayo Clinic和Brock模型相比，AUC分别提高了约36.9%和25.4%（p<0.0001）。这6个因素可以从CT检查中轻松获得，提高了联合模型在临床实践中的可及性。双阈值策略对肺结节进行分层，这与当前肺结节管理指南一致，使医生能够将肺结节患者分类为三组，即高、中、低风险，可以有效减少不必要的侵入性手术。如果该模型被纳入当前的LDCT/CT筛查和肺结节管理的临床实践中，有望减少患者侵入性手术的不良反应和治疗成本。本论文的通讯作者为广州医科大学附属第一医院的何建行教授、梁文华教授和广州市基准医疗有限责任公司的范建兵教授。原文链接：https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(24)00480-4?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2666379124004804%3Fshowall%3Dtrue
制版人：十一
[1] Liang W, Tao J, Cheng C, Sun H, Ye Z, Wu S et al., (2024). A clinically effective model based on cell-free DNA methylation and low-dose CT for risk stratification of pulmonary nodules. Cell Reports Medicine. 5, 101750. https://doi.org/10.1016/j.xcrm.2024.101750.[2] Liang, W., Chen, Z., Li, C., Liu, J., Tao, J., Liu, X., Zhao, D., Yin, W., Chen, H., Cheng, C., et al. (2021). Accurate diagnosis of pulmonary nodules using a noninvasive DNA methylation test. J Clin Invest 131. 10.1172/JCI145973.[3] He, J., Wang, B., Tao, J., Liu, Q., Peng, M., Xiong, S., Li, J., Cheng, B., Li, C., Jiang, S., et al. (2023). Accurate classification of pulmonary nodules by a combined model of clinical, imaging, and cell-free DNA methylation biomarkers: a model development and external validation study. Lancet Digit Health 5, e647-e656. 10.1016/S2589-7500(23)00125-5.BioART战略合作伙伴
（*排名不分先后）
![]()
![]()
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
